基于小波和LNMF的人脸特征提取方法研究.pdfVIP

鼹 毒麟 蓥 渡 鳓 糖餐攫联 臻 ● 武汉理工大学 自动化学院。武汉．430070 张紊文 邓婉尹 键词 近几年随着电子商务等应用的发展，人脸识别 化具有一定的不变性，同时也保留了空间位置信息。 成为最有潜力的生物身份验证手段。而对人脸特征 这样，既能捕获到人脸的实质特征，同时也有效地降 的提取，这一人脸识别过程中最重要的环节，人们也 低了计算复杂性。实验结果显示采用基于小波和 提出了大量的方法，主要分为基于几何特征和基于 LNMF方法能有效的提高计算效率，同时提取到的 统计特征两大类。由于几何特征的提取对光照、表 基图像的空间特征局部化特点也更加明显。 情、姿态等变化非常敏感，所以近年来人们大多数是 采用基于统计特征的方法。其中用的最多的是子空 1 基于小波变换的人脸图像分解 问分析技术，它通过对选定的人脸图像进行学习使 人脸模型得到定义，同时，实现人脸图像高维空间的 小波变换是一种信号的时频分析方法，通过小 低维特征提取。目前在人脸识别中得到成功应用的 波变换，图像信号被分解成许多具有不同空间分辨 线性子空间方法有：主成分分析(PCA)和独立成分 率、不同频率特性和方向特性的子带图像信号。由于 分析(ICA)。但由于PCA和ICA的基图像的像素点 人脸表情变化和少许遮掩只影n向图像高频部分的变 可以是正值也可以是负值，所以这二种表示方法都 化，不影响人脸的低频部分，而小波变换具有完善的 缺少直观意义上的由部分合成整体的效果。 重构能力，保证信息在分解过程中不丢失，也不产生 1997年，Lee和Seung在一篇关于无监督学习 冗余，因此在特征提取前可以先用小波分析的方法 的文章中独立的提出了非负矩阵分解Non—negative 滤掉高频信息，仅采用低频子图来进行识别。 matrix factorizatiofi(NMF)的概念。由于NMF对基图 给定平方可积的信号f(t)，~Jf(t)∈ ( )，则 像的像素点和用于重建的系数都施加了非负性约 f(t)的连续小波变换定义为： 束，使得重建图像是由基图像非减的叠加组合而成， r 一 6)=J ) (￡)dt (1) 使重建过程更接近于由部分组合而成为整体的过 程。文献[2]在经典NMF算法的基础上，通过增强正 这里，小波基函数 )= (_t二 )a,b均 交性，尽可能的降低了基图像之间的相关性，这就使 、／a a 得权值分布较为集中，权值矩阵稀疏性很好。 为常数，且a0 (2) 本文提出的基于小波和LNMF的人脸特征提 如果取尺度a=2“，b∈Z可实现对式(1)的离散 取方法，首先应用小波变换抽取特征，对人脸进行低 化。这样就可以利用金字塔算法在计算机中实现小 维表达，在很大程度上克服了人脸姿态变化、表情变 波变换。 化和头饰变化对人脸识别的影响，对于细微表情变 本文使用DB6小波作为小波基函数先对人脸 屯蚤迦 ELECTRON